в предыдущем мы построили модель чат-бота, обучили и сохранили модель. перед началом этого блога, если вы не видели предыдущий блог вот ссылка.
сначала нам нужно импортировать необходимые пакеты и сохраненную модель и файл pickele с файлом json и поместить файл в переменную:
from tensorflow.keras.preprocessing.text import Tokenizer
import pickle
import numpy as np
from tensorflow.keras.models import load_model
import json
import random
model = load_model('chatbot_model.h5')
intents = json.loads(open('intents.json').read())
words = pickle.load(open('words.pkl', 'rb'))
classes = pickle.load(open('classes.pkl', 'rb'))
Бот примет сообщение от пользователя и, проанализировав сообщение, предскажет следующий результат, который является ответом на вопросы пользователя. и для этого нам нужно использовать отдельную функцию, которая обрабатывает каждую задачу так, как нам нужно, и код будет следующим:
def clean_up_sentence(sentence):
word_in_sentence_list = [sentence]
tokenizer = Tokenizer(num_words=100, oov_token="<OOV>")
tokenizer.fit_on_texts(word_in_sentence_list)
word_index = tokenizer.word_index
sentence_words = list(word_index)
return sentence_words
# return bag of words array: 0 or 1 for each word in the bag that exists in the sentence
def bow(sentence, words, show_details=True):
# tokenize the pattern
sentence_words = clean_up_sentence(sentence)
# bag of words - matrix of N words, vocabulary matrix
bag = [0] * len(words)
for s in sentence_words:
for i, w in enumerate(words):
if w == s:
# assign 1 if current word is in the vocabulary position
bag[i] = 1
if show_details:
print("found in bag: %s" % w)
return np.array(bag)
def predict_class(sentence, model):
# filter out predictions below a threshold
p = bow(sentence, words, show_details=False)
res = model.predict(np.array([p]))[0]
max_error = 0.25
results = [[i, r] for i, r in enumerate(res) if r > max_error]
# sort by strength of probability
results.sort(key=lambda x: x[1], reverse=True)
return_list = []
for r in results:
return_list.append({"intent": classes[r[0]], "probability": str(r[1])})
return return_list
def getResponse(ints, intents_json):
tag = ints[0]['intent']
list_of_intents = intents_json['intents']
for i in list_of_intents:
if (i['tag'] == tag):
result = random.choice(i['responses'])
break
return result
def chatbot_response(msg):
ints = predict_class(msg, model)
print(ints)
res = getResponse(ints, intents)
return res
# Creating GUI with tkinter
def send(msg):
if msg != '':
res = chatbot_response(msg)
return res
Как вы видите, это всего лишь код, в нем нет никаких интерактивных функций пользователя, для этого нам нужно разработать GUI (графический пользовательский интерфейс). потому что GUI (графический интерфейс пользователя) предоставляет пользователям простой и интуитивно понятный способ взаимодействия с программным обеспечением. В отличие от традиционного текстового интерфейса командной строки, графический интерфейс проще в использовании, поскольку в нем используются графические элементы, такие как значки, кнопки и меню. Кроме того, многие пользователи находят графические интерфейсы более привлекательными и менее пугающими, чем интерфейсы командной строки. Помимо упрощения обучения новых или неопытных пользователей программному обеспечению, графический пользовательский интерфейс также упрощает выполнение задач опытными пользователями, обеспечивая более быструю навигацию по меню и параметрам в программах. поэтому мы создадим графический интерфейс, используя kivy framework. Чтобы сказать что-то о kivy, Kivy — это бесплатная среда Python с открытым исходным кодом для разработки мобильных приложений и другого прикладного программного обеспечения с поддержкой мультитач с естественным пользовательским интерфейсом. Он распространяется в соответствии с условиями лицензии MIT и может работать на Android, iOS, Linux, macOS и Windows, а код будет следующим:
from kivy.app import App
from kivy.uix.gridlayout import GridLayout
from kivy.uix.label import Label
from kivy.uix.image import Image
from kivy.uix.button import Button
from kivy.uix.textinput import TextInput
import Gui_Bot
gui = Gui_Bot
class SayHello(App):
def build(self):
# returns a window object with all it's widgets
self.window = GridLayout()
self.window.cols = 0.8
self.window.size_hint = (0.6, 0.7)
self.window.pos_hint = {"center_x": 0.5, "center_y": 0.5}
# image widget
self.window.add_widget(Image(source="welcom.png"))
# label widget
self.greeting = Label(
text="What Can I Help",
font_size=18,
color='#00FFCE'
)
self.window.add_widget(self.greeting)
# label widget
self.greeting2 = Label(
text="-----------",
font_size=18,
color='#00FFCE'
)
self.window.add_widget(self.greeting2)
# text input widget
self.user = TextInput(
multiline=False,
padding_y=(10, 10),
size_hint=(1, 0.5)
)
self.window.add_widget(self.user)
# button widget
self.button = Button(
text="Ask",
size_hint=(1, 0.5),
bold=True,
background_color='#c8c2c0',
# remove darker overlay of background colour
# background_normal = ""
)
self.button.bind(on_press=self.callback)
self.window.add_widget(self.button)
return self.window
def callback(self, instance):
# change label text to "Hello + user name!"
response = gui.send(self.user.text)
self.greeting.text = "Bot: " + response + "!"
self.greeting2.text = "You: " + self.user.text + "!"
# run Say Hello App Calss
if __name__ == "__main__":
SayHello().run()
после того, как вы запустите код, появится красивая графика, и он примет ваш вопрос и ответит на него, основываясь на ограниченных знаниях, которые мы дали для модели в обучающих частях нашего дизайна модели, здесь вы можете получить полный код проекта по ссылке на мой репозиторий GitHub.
Спасибо, увидимся в следующем блоге.
